Dr n. med. Dorota Frydecka wraz z dr. inż. Jarosławem Drapałą powołali interdyscyplinarny zespół badawczy  w Akademii Młodych Uczonych i Artystów. Wynikiem ich pracy jest wspólny projekt naukowy finansowany przez Narodowe Centrum Nauki.

Współpraca Akademików obejmuje zastosowania metod wnioskowania statystycznego, analizy systemowej, modelowania matematycznego i uczenia maszynowego do analizy danych eksperymentalnych dotyczących biologicznych podstaw zaburzeń psychicznych i ich korelatów neuropsychologicznych.

Efektem dotychczasowej współpracy jest artykuł w czasopiśmie Social Psychiatry and Psychiatric Epidemiology* (IF 2,861), w którym zbadany został wpływ refundacji leków przeciwpsychotycznych drugiej generacji na częstość stawianych przez lekarzy psychiatrów diagnoz schizofrenii i innych zaburzeń psychotycznych. Analiza danych na podstawie informacji z Roczników Statystycznych 1989-2009 rejestrujących dane na temat zarejestrowanych pacjentów w leczeniu psychiatrycznym, wymagała zastosowania metod analizy szeregów czasowych najczęściej wykorzystywanych do tworzenia modeli predykcji pogodowych zmian atmosferycznych.

Kolejną dziedziną współpracy jest analiza danych genetycznych w kontekście ryzyka wystąpienia zaburzeń psychicznych i ich neuropsychologicznych korelatów, jak również w związku z objawową odpowiedzią na prowadzone leczenie farmakologiczne. Poza klasycznymi metodami wnioskowania statystycznego, wykorzystywane są metody oparte o uczenie maszynowe takie jak rozpoznawanie wzorców, grupowanie danych, regresja nieliniowa, klasyfikacja za pomocą drzew decyzyjnych, redukcja cech.

Obiecującym i jednocześnie wymagającym najbardziej zaawansowanego aparatu teoretycznego do analizy danych eksperymentalnych jest kierunek badawczy dotyczący mechanizmów stojących za procesem uczenia się człowieka na podstawie nagród i kar. Dane eksperymentalne obejmują wyniki testów poznawczych, materiał genetyczny, dane neuroobrazowe uzyskiwane za pomocą funkcjonalnego rezonansu magnetycznego (fMRI), jak również pozytronowej tomografii emisyjnej (PET). Dużym wyzwaniem jest połączenie danych o różnej naturze w jeden spójny obraz, pozwalający na rozstrzygnięcie prawdziwości hipotez dotyczących natury procesu uczenia się i wpływu indywidualnych czynników na jego przebieg. Procesu uczenia się modelowany jest za pomocą sztucznych sieci neuronowych oraz równań różnicowych ze składowymi losowymi, tzw. modeli uczenia się ze wzmocnieniem. Sposób weryfikacji hipotez badawczych polega na przypisaniu konkurencyjnym hipotezom odpowiednich modeli matematycznych, użyciu tych modeli jako „wirtualnych pacjentów” uczących się konkretnego zadania oraz ocenie wiarygodności modeli w świetle danych eksperymentalnych pochodzących z badań na rzeczywistych pacjentach. Podejście tego rodzaju pozwala na weryfikację złożonych hipotez badawczych, które testowane mogą być jedynie w oparciu o dynamiczne modele matematyczne stworzone w oparciu o wiedzę z dziedzin psychiatrii, genetyki, neuropsychologii, neurofizjologii, neuroobrazowania i jednocześnie w oparciu o wiedzę z zakresu metod tworzenia modeli matematycznych oraz weryfikowaniu ich w oparciu o dane psychoneurobiologiczne. Wspólnie opracowany projekt badawczy pt.”Znaczenie instrukcji w uczeniu się na podstawie wzmocnień w schizofrenii: badanie wykorzystujące dane genetyczne, behawioralne oraz modele matematyczne i sztuczne sieci neuronowe” uzyskał finansowanie w konkursie Sonata Narodowego Centrum Nauki.

 

* Kiejna A., Misiak B., Zagdanska M., Drapala J., Piotrowski P., Szczesniak D., Chladzinska-Kiejna S., Cialkowska-Kuzminska M., Frydecka D. (2013) Money matters: does the reimbursement policy for second-generation antipsychotics influence the number of recorded schizophrenia patients and the burden of stigmatization? Soc PsyZnaczenie instrukcji w uczeniu się na podstawie wzmocnień w schizofrenii. Projekt badawczy